การ Impute ค่าแบบพื้นฐาน
จากแบบฝึกหัดที่ผ่านมา จะเห็นว่าการลบข้อมูลออกอาจทำให้ชุดข้อมูลของคุณเล็กลงจนเกินไป ซึ่งในบริบทของการสัมภาษณ์งาน อาจส่งผลให้โมเดล Machine Learning เกิดความลำเอียงในผลลัพธ์ได้
วิธีที่ยืดหยุ่นกว่าในการจัดการค่าที่หายไป คือการ impute ค่าเหล่านั้น มีหลายวิธีในการทำสิ่งนี้ใน Python แต่ในแบบฝึกหัดนี้จะใช้ฟังก์ชัน SimpleImputer() จากโมดูล sklearn.impute กับชุดข้อมูล loan_data
จากนั้นจะใช้ pandas และ numpy เพื่อแปลงชุดข้อมูลที่ผ่านการ impute แล้วกลับเป็น DataFrame
สังเกตว่ามีการเพิ่ม 2 ขั้นตอนใหม่เข้าไปใน pipeline ได้แก่ Instantiate และ Fit:
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
ฝึกตอบคำถามสัมภาษณ์ Machine Learning ด้วย Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Import imputer module
from sklearn.impute import SimpleImputer
# Subset numeric features: numeric_cols
numeric_cols = ____.____(include=[____.____])